龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：重庆邮电大学
申请日：2024-03-28
公开（公告）日：2024-07-05
公开（公告）号：CN118297833A
主分类号：G06T5/70
分类号：G06T5/70;G06T5/60;G06N3/045;G06N3/08
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明公开了一种基于网络协同的医学图像多任务去噪方法及系统，用于解决学习多个去噪任务产生的灾难性遗忘问题以及可以去噪不模态的医学图像。采用三个去噪网络之间互相协同更新，将两个有强化拓展连续学习能力的去噪网络上的知识传递给主去噪网络。同时引入重放机制，定期将历史任务的数据样本重新注入网络进行训练，防止灾难性遗忘。将该网络模型封装为一个可以实现超声图像、CT图像、MRI图像的不同模态和高斯、泊松、椒盐的不同噪声医学图像的去噪系统。该系统界面简洁直观，具有良好的稳定性和可靠性。
主权项：1.一种基于网络协同的医学图像多任务去噪方法，其特征在于，包括以下步骤：1初始化主去噪网络、强化去噪网络、拓展去噪网络，从当前任务流中得到当前批次的新数据，经过数据预处理，得到训练的新数据。用新数据去随机更新存储空间，再从存储空间中随机取出个图像对。2用带噪声图像输入到强化去噪网络和拓展去噪网络中，将输出去噪后的图像与对应的标签计算均方差损失。3如果拓展去噪网络的损失小于强化去噪网络的损失，则将知识拓展作为最佳去噪网络，否则，则将强化去噪网络作为最佳去噪网络，即选择损失更小的去噪网络，也就是选择出在旧数据上表现更好的网络，用最佳去噪网络在旧数据上去噪后的图像与主去噪网络在旧数据上去噪后的图像形成差异性损失，使主去噪网络尽可能靠近最佳去噪网络，学习到最佳去噪网络上的知识。4为了保证新任务的学习与旧知识的保留，用新数据联合旧数据一起输入到主去噪网络中，将去噪后的图像与对应的标签组成连续损失。差异性损失与连续损失构成总损失式。5随机生成一个0到1的数，如果这个随机数大于强化去噪网络的阈值，则用主去噪网络更新强化去噪网络，如果这个随机数大于拓展去噪网络的阈值，则用主去噪网络更新拓展去噪网络。
全文数据：
权利要求：
百度查询： 重庆邮电大学 一种基于网络协同的医学图像多任务去噪方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号